1、团队介绍===团队介绍===
队名：英雄大联盟H&L
组长：尹倩
学员：杨厚平、谌丽容、徐玉娟、曾丽霞、尹倩、刘伟
团队分工：
1、录音语音指令 -- 负责人：谌丽容
2、格式转换 ------ 负责人：杨厚平
3、TensorFlow --- 负责人：尹倩
6、任务过程记录 -- 负责人：徐玉娟
7、任务总结 ------ 负责人：尹倩
[[文件:团队.jpg|缩略图|居中]]
=2017年07月22日=
==上午==
===学习内容===
<gallery>
文件:团队.jpg
</gallery>
2、2017年07月22日
2.1 上午
学习内容：
一、智能声控硬件实践的理论学习
二、团队建设及具体分工安排
三、按要求录制音频文件
2.2 == 下午学习内容：一、频谱图制作1.准备工作：安装Ipython软件，在“我的文档”下存放ffmpeg、sox软件及录制好的音频文件， 工作过程如下图所示。 <gallery>文件:图片1.jpg</gallery>==
2、制作步骤：===学习内容=== ===一、频谱图制作=== ===1.准备工作：=== 安装Ipython软件，在“我的文档”下存放ffmpeg、sox软件及录制好的音频文件， 工作过程如下图所示。[[文件:图片1.png|缩略图|居中]] ===2、制作步骤===
(1)、查看IPython工作路径：
打开IPython软件，运行脚本：
import os
os.path.realpath('.')
(2)、调用ffmepg软件将音频格式转换成a.m4a文件：
运行脚本：
os.system('.\\ffmpeg\\bin\\ffmpeg.exe -i .\\a.m4a -ac 1 -acodec pcm_f32le -ar 44100 .\\a.wav -v 1')
(3)、读取语音波形
运行脚本：
import matplotlib.pyplot as plt from wavReader import readWav rate, data =readWav('./a.wav')
plt.plot(data)
plt.show()
(4)、调用sox软件生成频谱图：
运行脚本：
import os
from matplotlib import image, pyplot
os.path.exists('.\\sox\\sox.exe')
os.system('.\\sox\\sox.exe .\\a.wav -n rate 4k spectrogram -o aout.png')
img = image.imread('.\\aout.png')
pyplot.imshow(img)
pyplot.axis('off')
pyplot.show()
===3、团队阶段性成果，谱图制作结果如下图所示===<gallery>[[文件:图片3.jpgpng|缩略图|居中]]</gallery> ===二、神经网络训练=== ===1.理论讲解：陈老师首先就神经网络训练进行理论性讲解，并对操作步骤进行演示。理论讲解=== 陈老师首先就神经网络训练进行理论性讲解，并对操作步骤进行演示。 ===2.工作步骤===
（1）准备工作：确定各文件路径的正确：
(a)把从陈老师拷的audioNet文件夹放置在桌面；
(b)在audioNet下新建文件夹raw，将上午六个小组40个人所录制的960个音频文件复制到raw文件夹中；
(c)确认ffmpeg和sox文件夹中有相应的文件。
（2）批量生成音频
(a)输入cd desktop回车，再输入cd audioNet回车；
(b)输入python convert_file.py ./raw，回车，自动在audioNet\data\train下转换成.wav 文件格式，复制其中的100个文件到audioNet\data\test文件夹下；
（3）测试
输入python train.py 回车，开始测试。
=7月23日=
3. 7月23日==上午== ===一、学习内容===
3.1 上午
一、学习内容：
1.陈老师对7月22日讲授的神经网络训练进行复习指导
2.任务布置
3.安装android studio软件，将7.22日训练完成后的数据生成APP，并在手机上进行测试，测试结果如图所示。
<gallery>
文件:图片7.jpg
</gallery>
3.安装android studio软件，将7.22日训练完成后的数据生成APP，并在手机上进行测试，测试准确率高达'''<big>91.67%</big>'''，测试结果如图所示。
[[文件:图片7.jpg|缩略图|居中]] ===二、存在问题===
①计算机在训练过程中经常自动关机
②计算机在训练时无法接收到client数据
③Android studio无法打开程序；
===三、解决方案===
1.训练过程中关机的原因有：
① 计算机CPU太差
②机器学习时，训练及测试数据的频率过快
解决方案：
打开train.py文件，更改train=sockDataGenerator（9009，50），test=sockDataGenerator（9009，10）这两个函数括号中的参数，如：trainsockDataGenerator（9009，10）这两个函数括号中的参数， 如：train=sockDataGenerator（9009，20），test=sockDataGenerator（9009，5）
2.计算机在训练时无法接收到client数据的原因有：
命令窗口在执行train数据计算时，client数据传送过早
3.Android studio无法打开程序的原因有：
① 没有Java环境
②没有联网
③缺少SDK插件
解决方案：
① 安装Java jdk，添加环境变量
<gallery>[[文件:图片9.png|缩略图|居中]] ==下午== ===一、学习内容=== ====（一）、日志编辑及格式修改==== 整理日志资料，并汇报智能声控的学习进展和学习心得 [[文件:图片4Liuwei.jpg|缩略图|居中]]</gallery><gallery>====（二）、PYNQ板系统刻录==== ====步骤==== 1、烧录PYNQ-Z1 image系统 运用Win32Disklmager工具在SD卡上烧录PYNQ-Z1 image系统 2、硬件设置 （1）将boot 跳线（板上标记的JP4）选择为从SD 卡驱动 （2） 将已安装镜像文件的SD 卡插入SD 卡卡槽 （3）使用Micro USB 线将PYNQ 开发板的PROG UART 接口连接到电脑。这将用来给PYNQ 供电以及作为串口通信 （4）使用网线将PYNQ 开发板连接到路由器或电脑（根据网线端口的选择，后续操作会有不同） （5）将开关拨到ON 以打开PYNQ，等待系统启动。大约一分钟后将有两个蓝色的LED 和四个黄绿色的LED 同时闪动，随后蓝色LED 关闭，四个黄绿色的LED 灯亮。此时系统启动完毕。 [[文件:图片5图片12.jpg|缩略图|居中]]</gallery><gallery>====出现的错误==== 1、烧录软件将write弄错成read 2、PYNQ板JP5未接入USB 3、PYNQ板JP5未打开SW1、SW0开关 [[文件:图片7图片11.jpgpng|缩略图|居中]]</gallery>②连接网络=2017年07月24日= ==上午== ===一、学习内容=== ===（一）、PYNQ板=== 1.更改IP地址：将PYNQ通过网线连接到电脑，设置电脑IP地址 2.录音及音频处理 进入Example文件夹，点击audio_playback.ipynb，点击工具栏的run图标一次运行各个代码块。录制一段录音，转换成频谱图。③安装SDK插件3.图像处理 4.应用程序将7月22日上午小组成员录制的音频一次性转换为波形图和频谱图 [[文件:Zhidao.jpg|缩略图|居中]][[文件:Zeng.jpg|缩略图|居中]] ===（二）、理论知识学习===1.张老师讲解介绍了智能实验室系统中智能硬件进行简要介绍； 2 下午.马老师讲解介绍云计算机房设施的配置、云平台的几个S（基础设施即服务、平台即服务、软件即服务）的相关概念等。 ===二、阶段性学习成果===[[文件:原始图.png|缩略图|居中]][[文件:灰度图像.png|缩略图|居中]][[文件:旋转图像.png|缩略图|居中]]